为挖掘乌龙茶品种鲜叶的特征特性,以绿茶品种‘福鼎大毫茶’一芽二叶或三叶为对照(CK),分析比较了高香优质乌龙茶品种‘茗科1号’一芽二叶或三叶(TM)与中小开面二至四叶(MM)在转录和代谢水平的组成差异。结果表明,茶树品种特性和采摘标...为挖掘乌龙茶品种鲜叶的特征特性,以绿茶品种‘福鼎大毫茶’一芽二叶或三叶为对照(CK),分析比较了高香优质乌龙茶品种‘茗科1号’一芽二叶或三叶(TM)与中小开面二至四叶(MM)在转录和代谢水平的组成差异。结果表明,茶树品种特性和采摘标准为影响茶鲜叶转录和代谢轮廓的重要因素,其中CK、TM和MM的转录与代谢轮廓相互间均有良好的模式区分。差异表达基因与差异代谢物的富集和关联分析结果表明,TM vs CK与MM vs TM的差异表达基因在分子功能、细胞组分和生物过程方面存在不同的GO功能富集模式,且前者拥有较多的生物过程和较少的细胞组分;“植物次生代谢产物的生物合成”、“精氨酸和脯氨酸代谢”与“类胡萝卜素生物合成”、“苯丙素的生物合成”、“甘氨酸、丝氨酸和苏氨酸代谢”分别是TM vsCK、MM vs TM在2种组学分析中的前20条共有KEGG富集代谢通路。TM vs CK中L-苯丙氨酸、反式肉桂酸和4-胍基丁酸丰度的显著降低,以及MM vs TM中胆碱丰度的显著提高和L-苯丙氨酸、L-色氨酸、L-高丝氨酸丰度的显著降低均与相应共富集代谢通路中多个基因的显著上调或下调表达密切相关。此外,MM vs TM中脱落酸丰度的显著提高与“类胡萝卜素生物合成”通路中紫黄质脱环氧化酶和番茄红素β-环化酶基因的显著上调表达高度相关。这可为阐明‘茗科1号’茶鲜叶生物学特征及其多茶类兼制特性提供参考依据。展开更多
针对现有深度学习算法在壁画修复时,存在全局语义一致性约束不足及局部特征提取不充分,导致修复后的壁画易出现边界效应和细节模糊等问题,提出一种双向自回归Transformer与快速傅里叶卷积增强的壁画修复方法.首先,设计基于Transformer...针对现有深度学习算法在壁画修复时,存在全局语义一致性约束不足及局部特征提取不充分,导致修复后的壁画易出现边界效应和细节模糊等问题,提出一种双向自回归Transformer与快速傅里叶卷积增强的壁画修复方法.首先,设计基于Transformer结构的全局语义特征修复模块,利用双向自回归机制与掩码语言模型(masked language modeling,MLM),提出改进的多头注意力全局语义壁画修复模块,提高对全局语义特征的修复能力.然后,构建了由门控卷积和残差模块组成的全局语义增强模块,增强全局语义特征一致性约束.最后,设计局部细节修复模块,采用大核注意力机制(large kernel attention,LKA)与快速傅里叶卷积提高细节特征的捕获能力,同时减少局部细节信息的丢失,提升修复壁画局部和整体特征的一致性.通过对敦煌壁画数字化修复实验,结果表明,所提算法修复性能更优,客观评价指标均优于比较算法.展开更多
文摘为挖掘乌龙茶品种鲜叶的特征特性,以绿茶品种‘福鼎大毫茶’一芽二叶或三叶为对照(CK),分析比较了高香优质乌龙茶品种‘茗科1号’一芽二叶或三叶(TM)与中小开面二至四叶(MM)在转录和代谢水平的组成差异。结果表明,茶树品种特性和采摘标准为影响茶鲜叶转录和代谢轮廓的重要因素,其中CK、TM和MM的转录与代谢轮廓相互间均有良好的模式区分。差异表达基因与差异代谢物的富集和关联分析结果表明,TM vs CK与MM vs TM的差异表达基因在分子功能、细胞组分和生物过程方面存在不同的GO功能富集模式,且前者拥有较多的生物过程和较少的细胞组分;“植物次生代谢产物的生物合成”、“精氨酸和脯氨酸代谢”与“类胡萝卜素生物合成”、“苯丙素的生物合成”、“甘氨酸、丝氨酸和苏氨酸代谢”分别是TM vsCK、MM vs TM在2种组学分析中的前20条共有KEGG富集代谢通路。TM vs CK中L-苯丙氨酸、反式肉桂酸和4-胍基丁酸丰度的显著降低,以及MM vs TM中胆碱丰度的显著提高和L-苯丙氨酸、L-色氨酸、L-高丝氨酸丰度的显著降低均与相应共富集代谢通路中多个基因的显著上调或下调表达密切相关。此外,MM vs TM中脱落酸丰度的显著提高与“类胡萝卜素生物合成”通路中紫黄质脱环氧化酶和番茄红素β-环化酶基因的显著上调表达高度相关。这可为阐明‘茗科1号’茶鲜叶生物学特征及其多茶类兼制特性提供参考依据。
文摘针对现有深度学习算法在壁画修复时,存在全局语义一致性约束不足及局部特征提取不充分,导致修复后的壁画易出现边界效应和细节模糊等问题,提出一种双向自回归Transformer与快速傅里叶卷积增强的壁画修复方法.首先,设计基于Transformer结构的全局语义特征修复模块,利用双向自回归机制与掩码语言模型(masked language modeling,MLM),提出改进的多头注意力全局语义壁画修复模块,提高对全局语义特征的修复能力.然后,构建了由门控卷积和残差模块组成的全局语义增强模块,增强全局语义特征一致性约束.最后,设计局部细节修复模块,采用大核注意力机制(large kernel attention,LKA)与快速傅里叶卷积提高细节特征的捕获能力,同时减少局部细节信息的丢失,提升修复壁画局部和整体特征的一致性.通过对敦煌壁画数字化修复实验,结果表明,所提算法修复性能更优,客观评价指标均优于比较算法.
